机器学习有助于指导住院病人转移的艰难决策

研究人员已使用引导式机器学习来训练，测试和验证一种算法，该算法可预测被考虑转移至单独设施的患者的死亡率。

该工具可根据忙碌的临床医生随时可以使用的因素进行呼叫，同时尊重他们的工作流程，同时帮助患者和家人确定是否需要采取逐步护理的措施是否符合他们的目标和价值观。

这项工作在匹兹堡的UPMC进行，并于2月8日在Plos上发表。

该团队将其名为SafeNet(用于安全非选择性紧急转移)的模型与具有类似目的的前身工具qSOFA(用于败血症相关的器官衰竭评估)进行对比，发现其系统明显更准确，并且更易于推广到各种患者人群。

“ SafeNET并不能取代临床判断，而只是一种触发暂停的方式，以便临床医生更好地告知高危患者(或其代理人)疾病的严重程度并实现护理目标当他们到达接收设施时，或者在某些情况下，在将患者转移到他们的支持社区之外之前，”相应的作者Daniel MD，MDiv，MHSc和同事写道。

在UPMC自己的研究范围内，霍尔说，该团队的首要目标是帮助告知一线医生，以便他们指导高危患者的共同决策。

他补充说：“该工具可以帮助将额外资源分配给这些患者，以确保护理计划与患者的价值观和目标相一致。” “通常，转移的患者及其家人不了解他们所面对疾病的严重性，并且对转移到更高级别的护理所产生的结果抱有不切实际的期望。”

版权声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。